#20220124 Production Line Monitoring System For Factories

Projemizde kullanıcıdan girdi olarak fabrikanın üretim hattını gösteren bir video kesiti istenir. Sistemimizle videoda yer alan birden fazla nesneyi (makine/insan) tespit ediyor ve bu makinelere id verip takip ediyoruz. Nesne takibi ve üstüne eklenen resim sınıflandırma modellerimizle tüm sistemimizi oluşturuyoruz. Böylelikle de fabrikada kullanılan makinelerin ne kadar sıklıkla çalıştıklarını hesaplayabiliyoruz. Uygulamaya başlarken kullanıcıdan bir video alıyoruz ve bu videoda insanların yer almadığı kareleri yapay zeka aracılığıyla kesiyoruz ve ardından tekrar kısa bir video haline getiriyoruz. Projemizde nesne tespiti ve nesne takibi metotlarını kullandık. Bu metotlar aracılığıyla da elde ettiğimiz verilerden istatiksel bir çıktı oluşturup bunu kullanıcıya sunuyoruz.

Fabrikalardaki üretim hatlarını gözlemleyerek makinenin gün içerisinde ne kadar verimli kullanıldığı, hangi makinenin şirket adına daha efektif olduğunu, hangi makinenin verimini zamanla kaybettiğini takip etmeyi sağlayan bir yapay zeka yazılımının oluşturulması projemizin amacıdır. Bu yazılımla şirket, üretim hattı için yapacakları yatırımlarını daha doğru planlayabilirler ve gereksiz makine satın alımları yerine mevcut makinelerin verimliliklerinin arttırılması için üretim ve bakım planlaması yapabilmesi olanağına erişirler.

Üretim hattında kullanılan bir üretim ekipmanının ne kadar sık kullanıldığını ölçebilmemiz için sadece üretim hattını çeken bir kamera kaydı görüntüsü gereklidir. Geri kalan işlemleri bizim sistemimiz işleyip çıktı şekline getirdiği için ek bir maliyete ihtiyaç kalmamaktadır. Bu sistemi yapabilmek içinse önce nesne takibi yapıyoruz, sonrasında bu kısmı resim olarak kesip resim sınıflandırma modeline veriyoruz. Bu sınıflandırma modeli ise bize makinenin çalışıp çalışmadığı çıktısını %97 gibi yüksek bir doğruluk oranıyla veriyor. Bu pipeline'ın bizim yenilikçi ve özgün tarafımız olduğunu düşünüyoruz.

Sistemimizin sadece üretim hattını izleyen bir video kaydına ihtiyacı vardır. Genel olarak fabrikalarda üretim hatlarını izleyen güvenlik kameraları mevcuttur. Bunun dışında projemiz için herhangi bir ekstra bir ekipmana ihtiyaç yoktur. Bu yüzden projemiz kolaylıkla uygulanabilir ve kullanılabilir bir sistemdir.

Mehmet Serdar GÜZEL Assoc. Prof. Dr. at Ankara University E-mail: mguzel@ankara.edu.tr

Projemiz hayata geçirildiğinde şirketler kendi fabrikalarındaki üretim hatlarından ekstra ekipmana ihtiyaç duymadan bilgi edinebileceklerdir. Bu bilgilerle şirketler gereksiz yere ekipman satın almanın önüne geçebilir, mevcut makinelerin de kullanım istatistiklerini rahatlıkça görüp ona göre kararlar alabilirler.

FRITZ LABS INCORPORATED, 2021. Web Page, https://www.fritz.ai/object-detection/. Ultralytics, 2020. Web Page, https://docs.ultralytics.com/. YOLOv5 Repository, 2021. Web Page, https://github.com/ultralytics/yolov5. Bandyopadhyay, December 9, 2021. Article, https://www.v7labs.com/blog/yolo-object-detection. Dwivedi, Jun 30, 2020. Article, https://towardsdatascience.com/yolov5-compared-to-faster-rcnn-who-wins-a771cd6c9fb4#:~:text=The%20final%20comparison%20b%2Fw,performance%20in%20detecting%20smaller%20objects Meel, July 10, 2021. Article,https://viso.ai/deep-learning/object-tracking/.